报告主题：针对基于事件的状态估计器的新型设计思路：从第一性原理出发

报告摘要：

基于视觉的状态估计问题，又称视觉里程计或vSLAM，是移动机器人领域的一项关键技术和基础研究问题。然而，受限于传统相机的工作原理，基于传统视觉的状态估计方法在高速场景下会受到运动模糊的影响，从而面临失效的风险。解决上述问题需要能够有效感知场景动态的先进视觉传感器以及与传感器特性相匹配的算法和软件。基于事件的神经形态相机是具有异步像素和极高时间分辨率的生物启发式视觉传感器。这些先进的传感器特性使事件相机成为解决剧烈自运动下的状态估计任务的绝佳选择。本次报告将回顾先前基于事件相机的状态估计方法，并从第一性原理出发，给出一种全新的设计思路。在此基础之上，进一步探讨该思路对于解决（i）面向事件数据的快速几何模型拟合; 和（ii）涉及事件相机的异质性传感器间的外参数标定等科学问题的启发。

报告人简介：

周易，博士，湖南大学机器人学院教授。2012年毕业于北京航空航天大学飞行器制造与工程专业。2018年获澳大利亚国立大学（ANU）工程学院博士学位。2017年至2018年在苏黎世联邦理工学院RPG实验室担任访问学者，并因其对基于神经形态事件的视觉研究而获得瑞士国家科学基金会国家研究能力中心（NCCR）颁发的NCCR Fellowship Award。2018年至2019年担任Motovis（上海）有限公司的SLAM团队负责人，主导L2-L3级自动驾驶解决方案（大尺度限制环境下的无人卡车定位、乘用车AVP等）的研发。 2019年至2021年，在香港科技大学&大疆创新联合实验室担任博士后研究员，从事基于神经形态事件的感知和导航的研究。此后加入湖南大学，并建立了神经形态自动化与智能实验室（NAIL）。他的研究兴趣包括移动机器人状态估计（即视觉里程计、视觉惯性融合和SLAM等）、计算机视觉中的几何问题，以及动态视觉传感器等。目前，他担任 IEEE RA-L的副主编。